yt_dlp/extractor/dlf.py

   1 import re
   2
   3 from .common import InfoExtractor
   4 from ..utils import (
   5     determine_ext,
   6     extract_attributes,
   7     int_or_none,
   8     traverse_obj,
   9     url_or_none,
  10 )
  11
  12
  13 class DLFBaseIE(InfoExtractor):
  14     _VALID_URL_BASE = r'https?://(?:www\.)?deutschlandfunk\.de/'
  15     _BUTTON_REGEX = r'(<button[^>]+alt="Anhören"[^>]+data-audio-diraid[^>]*>)'
  16
  17     def _parse_button_attrs(self, button, audio_id=None):
  18         attrs = extract_attributes(button)
  19         audio_id = audio_id or attrs['data-audio-diraid']
  20
  21         url = traverse_obj(
  22             attrs, 'data-audio-download-src', 'data-audio', 'data-audioreference',
  23             'data-audio-src', expected_type=url_or_none)
  24         ext = determine_ext(url)
  25
  26         return {
  27             'id': audio_id,
  28             'extractor_key': DLFIE.ie_key(),
  29             'extractor': DLFIE.IE_NAME,
  30             **traverse_obj(attrs, {
  31                 'title': (('data-audiotitle', 'data-audio-title', 'data-audio-download-tracking-title'), {str}),
  32                 'duration': (('data-audioduration', 'data-audio-duration'), {int_or_none}),
  33                 'thumbnail': ('data-audioimage', {url_or_none}),
  34                 'uploader': 'data-audio-producer',
  35                 'series': 'data-audio-series',
  36                 'channel': 'data-audio-origin-site-name',
  37                 'webpage_url': ('data-audio-download-tracking-path', {url_or_none}),
  38             }, get_all=False),
  39             'formats': (self._extract_m3u8_formats(url, audio_id, fatal=False)
  40                         if ext == 'm3u8' else [{'url': url, 'ext': ext, 'vcodec': 'none'}]),
  41         }
  42
  43
  44 class DLFIE(DLFBaseIE):
  45     IE_NAME = 'dlf'
  46     _VALID_URL = DLFBaseIE._VALID_URL_BASE + r'[\w-]+-dlf-(?P<id>[\da-f]{8})-100\.html'
  47     _TESTS = [
  48         # Audio as an HLS stream
  49         {
  50             'url': 'https://www.deutschlandfunk.de/tanz-der-saiteninstrumente-das-wild-strings-trio-aus-slowenien-dlf-03a3eb19-100.html',
  51             'info_dict': {
  52                 'id': '03a3eb19',
  53                 'title': r're:Tanz der Saiteninstrumente [-/] Das Wild Strings Trio aus Slowenien',
  54                 'ext': 'm4a',
  55                 'duration': 3298,
  56                 'thumbnail': 'https://assets.deutschlandfunk.de/FALLBACK-IMAGE-AUDIO/512x512.png?t=1603714364673',
  57                 'uploader': 'Deutschlandfunk',
  58                 'series': 'On Stage',
  59                 'channel': 'deutschlandfunk',
  60             },
  61             'params': {
  62                 'skip_download': 'm3u8',
  63             },
  64             'skip': 'This webpage no longer exists',
  65         }, {
  66             'url': 'https://www.deutschlandfunk.de/russische-athleten-kehren-zurueck-auf-die-sportbuehne-ein-gefaehrlicher-tueroeffner-dlf-d9cc1856-100.html',
  67             'info_dict': {
  68                 'id': 'd9cc1856',
  69                 'title': 'Russische Athleten kehren zurück auf die Sportbühne: Ein gefährlicher Türöffner',
  70                 'ext': 'mp3',
  71                 'duration': 291,
  72                 'thumbnail': 'https://assets.deutschlandfunk.de/FALLBACK-IMAGE-AUDIO/512x512.png?t=1603714364673',
  73                 'uploader': 'Deutschlandfunk',
  74                 'series': 'Kommentare und Themen der Woche',
  75                 'channel': 'deutschlandfunk',
  76             },
  77         },
  78     ]
  79
  80     def _real_extract(self, url):
  81         audio_id = self._match_id(url)
  82         webpage = self._download_webpage(url, audio_id)
  83
  84         return self._parse_button_attrs(
  85             self._search_regex(self._BUTTON_REGEX, webpage, 'button'), audio_id)
  86
  87
  88 class DLFCorpusIE(DLFBaseIE):
  89     IE_NAME = 'dlf:corpus'
  90     IE_DESC = 'DLF Multi-feed Archives'
  91     _VALID_URL = DLFBaseIE._VALID_URL_BASE + r'(?P<id>(?![\w-]+-dlf-[\da-f]{8})[\w-]+-\d+)\.html'
  92     _TESTS = [
  93         # Recorded news broadcast with referrals to related broadcasts
  94         {
  95             'url': 'https://www.deutschlandfunk.de/fechten-russland-belarus-ukraine-protest-100.html',
  96             'info_dict': {
  97                 'id': 'fechten-russland-belarus-ukraine-protest-100',
  98                 'title': r're:Wiederzulassung als neutrale Athleten [-/] Was die Rückkehr russischer und belarussischer Sportler beim Fechten bedeutet',
  99                 'description': 'md5:91340aab29c71aa7518ad5be13d1e8ad',
 100             },
 101             'playlist_mincount': 5,
 102             'playlist': [{
 103                 'info_dict': {
 104                     'id': '1fc5d64a',
 105                     'title': r're:Wiederzulassung als neutrale Athleten [-/] Was die Rückkehr russischer und belarussischer Sportler beim Fechten bedeutet',
 106                     'ext': 'mp3',
 107                     'duration': 252,
 108                     'thumbnail': 'https://assets.deutschlandfunk.de/aad16241-6b76-4a09-958b-96d0ee1d6f57/512x512.jpg?t=1679480020313',
 109                     'uploader': 'Deutschlandfunk',
 110                     'series': 'Sport',
 111                     'channel': 'deutschlandfunk',
 112                 },
 113             }, {
 114                 'info_dict': {
 115                     'id': '2ada145f',
 116                     'title': r're:(?:Sportpolitik / )?Fechtverband votiert für Rückkehr russischer Athleten',
 117                     'ext': 'mp3',
 118                     'duration': 336,
 119                     'thumbnail': 'https://assets.deutschlandfunk.de/FILE_93982766f7317df30409b8a184ac044a/512x512.jpg?t=1678547581005',
 120                     'uploader': 'Deutschlandfunk',
 121                     'series': 'Deutschlandfunk Nova',
 122                     'channel': 'deutschlandfunk-nova',
 123                 },
 124             }, {
 125                 'info_dict': {
 126                     'id': '5e55e8c9',
 127                     'title': r're:Wiederzulassung von Russland und Belarus [-/] "Herumlavieren" des Fechter-Bundes sorgt für Unverständnis',
 128                     'ext': 'mp3',
 129                     'duration': 187,
 130                     'thumbnail': 'https://assets.deutschlandfunk.de/a595989d-1ed1-4a2e-8370-b64d7f11d757/512x512.jpg?t=1679173825412',
 131                     'uploader': 'Deutschlandfunk',
 132                     'series': 'Sport am Samstag',
 133                     'channel': 'deutschlandfunk',
 134                 },
 135             }, {
 136                 'info_dict': {
 137                     'id': '47e1a096',
 138                     'title': r're:Rückkehr Russlands im Fechten [-/] "Fassungslos, dass es einfach so passiert ist"',
 139                     'ext': 'mp3',
 140                     'duration': 602,
 141                     'thumbnail': 'https://assets.deutschlandfunk.de/da4c494a-21cc-48b4-9cc7-40e09fd442c2/512x512.jpg?t=1678562155770',
 142                     'uploader': 'Deutschlandfunk',
 143                     'series': 'Sport am Samstag',
 144                     'channel': 'deutschlandfunk',
 145                 },
 146             }, {
 147                 'info_dict': {
 148                     'id': '5e55e8c9',
 149                     'title': r're:Wiederzulassung von Russland und Belarus [-/] "Herumlavieren" des Fechter-Bundes sorgt für Unverständnis',
 150                     'ext': 'mp3',
 151                     'duration': 187,
 152                     'thumbnail': 'https://assets.deutschlandfunk.de/a595989d-1ed1-4a2e-8370-b64d7f11d757/512x512.jpg?t=1679173825412',
 153                     'uploader': 'Deutschlandfunk',
 154                     'series': 'Sport am Samstag',
 155                     'channel': 'deutschlandfunk',
 156                 },
 157             }],
 158         },
 159         # Podcast feed with tag buttons, playlist count fluctuates
 160         {
 161             'url': 'https://www.deutschlandfunk.de/kommentare-und-themen-der-woche-100.html',
 162             'info_dict': {
 163                 'id': 'kommentare-und-themen-der-woche-100',
 164                 'title': 'Meinung - Kommentare und Themen der Woche',
 165                 'description': 'md5:2901bbd65cd2d45e116d399a099ce5d5',
 166             },
 167             'playlist_mincount': 10,
 168         },
 169         # Podcast feed with no description
 170         {
 171             'url': 'https://www.deutschlandfunk.de/podcast-tolle-idee-100.html',
 172             'info_dict': {
 173                 'id': 'podcast-tolle-idee-100',
 174                 'title': 'Wissenschaftspodcast - Tolle Idee! - Was wurde daraus?',
 175             },
 176             'playlist_mincount': 11,
 177         },
 178     ]
 179
 180     def _real_extract(self, url):
 181         playlist_id = self._match_id(url)
 182         webpage = self._download_webpage(url, playlist_id)
 183
 184         return {
 185             '_type': 'playlist',
 186             'id': playlist_id,
 187             'description': self._html_search_meta(
 188                 ['description', 'og:description', 'twitter:description'], webpage, default=None),
 189             'title': self._html_search_meta(
 190                 ['og:title', 'twitter:title'], webpage, default=None),
 191             'entries': map(self._parse_button_attrs, re.findall(self._BUTTON_REGEX, webpage)),
 192         }